Teknik Analisis Data METODE PENELITIAN

45 a. Uji Normalitas Uji normalitas digunakan untuk mengetahui apakah data yang bersangkutan berdistribusi normal atau tidak Sugiyono, 2007. Uji normalitas dilakukan menggunakan teknik analisis Kolmogorof- Smirnov dalam aplikasi SPSS pada taraf signifikansi 5, untuk menguji apakah skor untuk tiap bagian variabel berdistribusi normal atau tidak. Distribusi tersebut adalah normal apabila nilai Asymp.Sig. yang didapatkan lebih besar dari 0,05. b. Uji Linieritas Uji linearitas digunakan untuk mengetahui apakah data yang bersangkutan mempunyai hubungan yang linear atau tidak. Hubungan ini adalah linier apabila F hitung lebih kecil dari F tabel . Hubungan yang tidak linier dapat diketahui apabila F hitung lebih besar dari F tabel Imam Ghozali, 2009. c. Uji Multikolinieritas Uji multikolinearitas adalah untuk melihat ada atau tidaknya korelasi yang tinggi antara variabel-variabel bebas dalam suatu model regresi linear berganda. Hubungan antara variabel bebas terhadap variabel terikatnya menjadi terganggu, jika ada korelasi yang tinggi di antara variabel-variabel bebasnya. Uji multikolinearitas dilakukan sebagai syarat untuk analisis hipotesis dengan menggunakan regresi linear ganda. Penelitian yang baik adalah jika tidak terjadi multikolinieritas Imam Ghozali, 2009. 46 Uji multikolonieritas menggunakan aplikasi SPSS dilakukan melalui uji regresi, dengan memeriksa nilai Variance Inflation Factor VIF pada masing-masing variabel bebas. Kriterianya yaitu jika suatu variabel bebas mempunyai nilai VIF lebih besar dari 10 berarti telah terjadi multikolinearitas. d. Uji Heteroskedastisitas Uji heteroskedastisitas digunakan untuk mengetahui ada atau tidaknya penyimpangan asumsi klasik heteroskedastisitas yaitu adanya ketidaksamaan varian dari residual untuk semua pengamatan pada model regresi. Prasyarat yang harus terpenuhi dalam model regresi adalah tidak adanya gejala heteroskedastisitas Imam Ghozali, 2009. Pengujian heteroskedastisitas menggunakan aplikasi SPSS dapat diketahui dari nilai signifikan korelasi Rank Spearman antara masing- masing variabel bebas dengan residualnya. Tidak terdapat heteroskedastisitas jika nilai signifikan lebih besar dari 0,05 dan terdapat heteroskedastisitas jika nilai signifikan lebih kecil dari 0,05. 4. Uji Hipotesis Pengujian parameter melalui statistik data sampel dinamakan uji hipotesis statistik. Hipotesis yang diuji adalah hipotesis nol, karena tidak dikehendaki adanya perbedaan antara parameter populasi dan statistik data yang diperoleh dari sampel Sugiyono, 2007. 47 Instrumen penelitian menggunakan skala Likert, sehingga data yang didapat adalah data interval. Teknik statistik yang digunakan adalah statistik parametris, setelah asumsi yang mendasari dapat dibuktikan. Beberapa bentuk uji hipotesis dalam penelitian ini adalah sebagai berikut: a. Uji t t-test Satu Sampel Uji t t-test satu sampel digunakan untuk menguji hipotesis deskriptif satu variabel. Terdapat 3 tiga kategori pada uji t t-test satu sampel, ketiga kategori tersebut adalah: 1 Uji pihak kanan, karena harga t tabel diletakkan di kanan kurva. 2 Uji pihak kiri, karena harga t tabel diletakkan di kiri kurva. 3 Uji dua pihak, karena harga t tabel dibagi dua dan diletakkan di bagian sebelah kanan dan kiri kurva. b. Analisis Korelasi Analisis korelasi digunakan untuk mengetahui keerataan hubungan dan bentuk hubungan antara dua atau lebih variabel. Hubungan dalam korelasi dapat berupa hubungan linier positif atau negatif. Interpretasi koefesien korelasi akan menghasilkan makna kekuatan, signifikansi, dan arah hubungan kedua variabel yang diteliti. Kekuatan koefisien korelasi didasarkan pada jarak yang berkisar antara 0 sd 1. Angka signifikansi digunakan untuk melihat signifikansi hubungan. Arah korelasi dapat dilihat dari angka koefisien korelasi yang menunjukkan positif atau negatif. 48 c. Analisis Regresi 1 Analisis Regresi Linier Sederhana Analisis regresi linier sederhana merupakan salah satu metode uji regresi yang dapat dipakai sebagai alat inferensi simpulan statistik untuk menentukan pengaruh sebuah variabel bebas terhadap variabel terikat. Hal ini didasarkan pada hubungan fungsional ataupun kausal satu variabel bebas dengan satu variabel terikat. Persamaan umum regresi linier sederhana adalah: Y = a + bX dengan, Y = Subjek dalam variabel terikat yang diprediksikan. a = Harga Y ketika harga X adalah konstan. b = Angka arah atau koefisien regresi; yang menunjukkan angka peningkatan ataupun penurunan variabel terikat, yang didasarkan pada perubahan variabel bebas. Bila nilainya positif [] maka garisnya naik, sebaliknya bila nilainya negatif [] maka garisnya turun. X = Subjek pada variabel bebas yang mempunyai nilai tertentu. 49 2 Analisis Regresi Linier Berganda Analisis regresi linier berganda merupakan salah satu metode uji regresi yang dapat dipakai sebagai alat inferensi simpulan statistik untuk menentukan pengaruh dua atau lebih variabel bebas terhadap variabel terikat. Hal ini didasarkan pada hubungan fungsional ataupun kausal dua atau lebih variabel bebas dengan satu variabel terikat. Persamaan umum regresi linier berganda adalah: Y = a + b 1 X 1 + b 2 X 2 +…..+ b n X n dengan, Y = Subjek dalam variabel terikat yang diprediksikan. a = Harga Y ketika harga X 1 , X 2 ,…..X n adalah konstan. b = Angka arah atau koefisien regresi; yang menunjukkan angka peningkatan ataupun penurunan variabel terikat, yang didasarkan pada perubahan variabel bebas. Bila nilainya positif [] maka garisnya naik, sebaliknya bila nilainya negatif [] maka garisnya turun. X 1...n = Subjek pada variabel-variabel bebas yang mempunyai nilai tertentu. 50 Manfaat dari hasil analisis regresi adalah untuk membuat keputusan, apakah naik danatau menurunnya variabel terikat dapat dilakukan melalui peningkatan danatau penurunan variabel bebas atau tidak. Persamaan regresi yang telah ditemukan dapat digunakan untuk melakukan prediksi bagaimana nilai dalam variabel terikat akan terjadi, bila nilai dalam variabel bebas diubah atau ditetapkan. Sugiyono, 2007. 51

BAB IV HASIL PENELITIAN DAN PEMBAHASAN

A. Deskripsi Data Penelitian

1. Tabulasi Data Kegiatan ini merupakan pemberian skor pada setiap alternatif jawaban yang diberikan oleh responden sesuai dengan bobot yang telah ditetapkan. Tabulasi data menampilkan hasil analisis statistik deskriptif, komponen distribusi frekuensi skor, komponen kategorisasi kecenderungan sebaran dan penilaian jumlah skor masing-masing variabelsub-variabel penelitian. Angka-angka tabulasi data dimuat dalam tabel-tabel pada Lampiran F. a. Variabel Kinerja Guru Statistik deskriptif variabel kinerja guru menunjukkan data-data: rerata mean sebesar 153,04; simpangan baku standard deviation sebesar 14,402; tingkat penyebaran data variance sebesar 207,417; rentang range sebesar 58; skor minimum min sebesar 121; skor maksimum max sebesar 179; dan jumlah skor keseluruhan sum sebesar 11478. Distribusi frekuensi skor, model visual histogram penyebaran skor, kategorisasi kecenderungan sebaran dan penilaian jumlah skor variabel kinerja guru adalah sebagai berikut: 52 Tabel 6 . Distribusi Frekuensi Skor Variabel Kinerja Guru No. Interval Frekuensi Persentase 1 121 – 129 3 4,00 2 130 – 138 12 16,00 3 139 – 147 11 14,67 4 148 – 156 19 25,33 5 157 – 165 12 16,00 6 166 – 174 14 18,67 7 175 – 183 4 5,33 Jumlah 75 100 Gambar 3 . Histogram Sebaran Skor Variabel Kinerja Guru Tabel 7 . Kategorisasi Kecenderungan Variabel Kinerja Guru No. Rentang skor Rentang jumlah skor dalam Kategori 1   135   75 Sangat tinggi 2 135   112,5 75   62,5 Tinggi 3 112,5   90 62,5   50 Rendah 4  90  50 Sangat rendah Tabel 8 . Kategorisasi Kecenderungan Sebaran Skor Variabel Kinerja Guru No. Rentang skor Kategori Frekuensi Persentase 1   135 Sangat tinggi 68 90,67 2 135   112,5 Tinggi 7 9,33 3 112,5   90 Rendah 4  90 Sangat rendah Jumlah 75 100 3 12 11 19 12 14 4 2 4 6 8 10 12 14 16 18 20 Fr e ku e n si Interval 53 Gambar 4 . Diagram Pie Kecenderungan Sebaran Skor Variabel Kinerja Guru Berdasarkan hasil pengolahan data tersebut, diketahui bahwa dari 75 responden: 68 responden termasuk dalam kategori sangat tinggi dan 7 responden termasuk dalam kategori tinggi. Secara keseluruhan nilai aspek ini terletak pada kategori sangat tinggi, yakni sebesar 85,02 Tabel F.25. b. Sub-variabel Kinerja Pedagogi Statistik deskriptif sub-variabel kinerja pedagogi menunjukkan data-data: rerata mean sebesar 83,09; simpangan baku standard deviation sebesar 7,514; tingkat penyebaran data variance sebesar 56,464; rentang range sebesar 31; skor minimum min sebesar 65; skor maksimum max sebesar 96; dan jumlah skor keseluruhan sum sebesar 6232. Distribusi frekuensi skor, model visual histogram penyebaran skor, kategorisasi kecenderungan sebaran dan penilaian jumlah skor sub-variabel kinerja pedagogi adalah sebagai berikut: 90,67 9,33 Sangat tinggi Tinggi 54 Tabel 9 . Distribusi Frekuensi Skor Sub-variabel Kinerja Pedagogi No. Interval Frekuensi Persentase 1 65 – 69 1 1,33 2 70 – 74 10 13,33 3 75 – 79 12 16,00 4 80 – 84 21 28,00 5 85 – 89 13 17,33 6 90 – 94 13 17,33 7 95 – 99 5 6,67 Jumlah 75 100 Gambar 5 . Histogram Sebaran Skor Sub-variabel Kinerja Pedagogi Tabel 10 . Kategorisasi Kecenderungan Sub-variabel Kinerja Pedagogi No. Rentang skor Rentang jumlah skor dalam Kategori 1   72   75 Sangat tinggi 2 72   60 75   62,5 Tinggi 3 60   48 62,5   50 Rendah 4  48  50 Sangat rendah Tabel 11. Kategorisasi Kecenderungan Sebaran Skor Sub-variabel Kinerja Pedagogi No. Rentang skor Kategori Frekuensi Persentase 1   72 Sangat tinggi 72 96,00 2 72   60 Tinggi 3 4,00 3 60   48 Rendah 4  48 Sangat rendah Jumlah 75 100 1 10 12 21 13 13 5 5 10 15 20 25 Fr e ku e n si Interval